Wearable Devices for Remote Monitoring of Chronic Diseases: Systematic Review
Notice bibliographique
Résumé
Background: Wearable devices enable the remote collection of health parameters, supporting the outpatient care plans recommended by the World Health Organization to manage chronic diseases. While disease-specific monitoring is accurate, a comprehensive analysis of wearables across various chronic diseases helps to standardize remote patient monitoring systems. Objective: This review aimed to identify wearables for remote monitoring of chronic diseases, focusing on (1) wearable devices, (2) sensor types, (3) health parameters, (4) body locations, and (5) medical applications. Methods: We developed a search strategy and conducted searches across three databases: PubMed, Web of Science, and Scopus. After reviewing 1160 articles, we selected 61 that addressed cardiovascular, cancer, neurological, metabolic, respiratory, and other diseases. We created a data analysis method based on our 5 objectives to organize the articles for a comprehensive analysis. Results: From the 61 articles, 39 (64%) used wearable bands such as smartwatches, wristbands, armbands, and straps to monitor chronic diseases. Wearable devices commonly included various sensor types, such as accelerometers (n=39, 64%), photoplethysmographic sensors (n=18, 30%), biopotential meters (n=17, 28%), pressure meters (n=11, 18%), and thermometers (n=9, 15%). These sensors collected diverse health parameters, including acceleration (n=39, 64%), heart rate (n=24, 39%), body temperature (n=9, 15%), blood pressure (n=8, 13%), and peripheral oxygen saturation (n=7, 11%). Common sensor body locations were the wrist, followed by the upper arm and the chest. The medical applications of wearable devices were neurological (n=21, 34%) and cardiovascular diseases (n=15, 25%). Additionally, researchers applied wearable devices for wellness and lifestyle monitoring (n=39, 64%), mainly for activity (n=39, 100%) and sleep (n=10, 26%). Conclusions: This review underscores that wearable devices primarily function as bands, commonly worn on the wrist, to monitor chronic diseases. These devices collect data on acceleration, heart rate, body temperature, blood pressure, and peripheral oxygen saturation, with a focus on neurological and cardiovascular diseases. Our findings provide a foundational road map for designing generalized remote patient monitoring systems to manage multimorbidity and support standardized terminology for interoperability across digital health systems. To translate this into practice, we recommend that future research prioritize pragmatic clinical trials with medically certified devices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».